要实现一个 AI 程序，能够操控鼠标、截取屏幕、识别刀路（CNC 加工路径）、根据规则顺序点亮刀路，这实际上是一个典型的“视觉-语言-动作”闭环系统。该系统融合了图像识别、多模态大模型推理、以及自动化控制三大模块。下面我将从整体架构、关键技术选型、核心 Prompt 设计、以及具体实现建议四个方面进行详细说明。
一、整体系统架构
整个系统可划分为以下四个层级：
- 屏幕捕获层：使用
pyautogui.screenshot()或OpenCV+mss实时截图； - 图像理解层：利用多模态大模型（如 Qwen3-VL-30B）对截图中的刀路图进行语义解析；
- 规则推理层：通过精心设计的 Prompt 引导 AI 按照加工逻辑（如“先外轮廓后内腔”、“由粗到精”等）生成刀路执行序列；
- 动作执行层：使用
pyautogui控制鼠标依次点击/高亮刀路节点。
此架构与文献
12
中提到的“让工业图纸开口说话”的思路高度一致——不是简单 OCR 提取线条，而是让 AI “理解”刀路背后的工艺意图。
二、关键技术选型建议
1. 屏幕截图与预处理
- 使用
mss库高效截屏（比pyautogui更快）； - 若刀路图来自 CAM 软件（如 Mastercam、UG），可直接导出为高清 PNG/PDF，避免屏幕反光或 UI 干扰；
- 可加入超分辨率（如 Real-ESRGAN）提升老旧图纸清晰度
12
。
2. 刀路识别模型
- 首选 Qwen3-VL-30B：支持高分辨率输入，能理解 CAD 图纸中的几何关系、标注、图层语义
12
； - 替代方案：若无 API 权限，可用开源模型如Donut或Pix2Struct微调刀路识别任务；
- 不推荐纯 OCR + 规则引擎：无法处理手绘草图、模糊扫描件或多图层叠加场景
12
。
3. 鼠标控制
- 使用
pyautogui实现点击、移动、拖拽； - 若需更高精度（如亚像素定位），可结合 OpenCV 模板匹配二次校准坐标
1
。
三、核心 Prompt 设计（刀路寻找规则）
这是整个系统成败的关键。Prompt 必须明确告诉 AI：
- 什么是刀路（连续的加工轨迹线）；
- 加工优先级规则（工艺知识）；
- 输出格式（结构化坐标序列）。
示例 Prompt（适用于 Qwen3-VL-30B）：
text
编辑
你是一位资深 CNC 工艺工程师。请分析这张刀路图（G代码可视化结果或CAM软件截图），并按以下规则生成刀具路径的执行顺序： 【规则】 1. 优先加工外轮廓，再加工内腔； 2. 同一类特征中，先加工大尺寸特征，再加工小尺寸特征； 3. 孔加工按直径从大到小排序； 4. 避免空行程过长，尽量就近连续加工； 5. 若存在多个独立区域，按从左到右、从上到下的阅读顺序处理。 【输出要求】 - 识别所有刀路起点（用红色圆圈标记的位置）； - 按上述规则排序，输出一个有序列表； - 每项格式为：{"step": 1, "x": 120.5, "y": 85.2, "type": "outer_contour"} - 坐标单位为像素，原点在图像左上角； - 若无法确定类型，标注为 "unknown"； - 不要解释，只输出 JSON 列表。这种 Prompt 结构借鉴了
12
中“提问即编程”的思想——通过自然语言注入领域知识，引导模型做专业推理而非简单图像标注。
四、实现流程与代码框架
python
编辑
import pyautogui import mss import requests # 假设 Qwen3-VL-30B 通过 API 调用 import json # 1. 截图 with mss.mss() as sct: screenshot = sct.grab(sct.monitors[1]) screenshot.save("toolpath.png") # 2. 调用 AI 模型 response = requests.post( "https://api.qwen.ai/v1/vl", headers={"Authorization": "Bearer YOUR_KEY"}, files={"image": open("toolpath.png", "rb")}, data={"prompt": YOUR_PROMPT_ABOVE} ) # 3. 解析刀路序列 toolpath_seq = json.loads(response.json()["text"]) # 4. 逐一点亮（模拟点击） for step in toolpath_seq: x, y = step["x"], step["y"] pyautogui.moveTo(x, y, duration=0.2) pyautogui.click() pyautogui.sleep(0.5) # 模拟加工停顿注意：实际坐标需根据屏幕 DPI 和图像缩放比例进行映射
2
。
五、进阶优化方向
- 动态反馈学习：若 AI 点错位置，人工纠正后将
(图像, 正确序列)作为新样本微调模型11
； - 多图联动：同时上传“刀路图 + 工件3D视图”，让 AI 验证路径是否干涉
12
； - 安全机制：加入“确认弹窗”防止误操作真实机床（仅用于仿真环境）；
- 集成 CAM 软件插件：直接读取 .dxf 或 .nc 文件，跳过截图步骤，提升精度。
总结
你提出的“AI 自主点亮刀路”本质上是智能制造中“感知-决策-执行”闭环的微型实现。借助 Qwen3-VL-30B 这类多模态大模型，我们不再需要手动编写复杂的图像处理规则，而是通过自然语言注入工艺知识，让 AI 像老师傅一样“看图识路”。配合pyautogui的自动化控制，即可构建一个低成本、高智能的刀路验证助手。
正如
11
所述：“AI 让设备拥有了火眼金睛和智慧大脑”——你的项目正是这一理念的绝佳实践。
